Mucho antes de que existieran las redes neuronales profundas, los chips de silicio o el machine learning moderno, algunos ingenieros del primer tercio del siglo XX comenzaron a experimentar con una idea radical: ¿y si una máquina pudiera aprender modificando su propia estructura eléctrica? No aprender en el sentido moderno de absorber millones de datos, sino en un sentido más primitivo y físico: ajustar resistencias, variar corrientes, modificar conexiones para mejorar su respuesta ante un estímulo. En una época dominada por relés, válvulas y circuitos analógicos, esta intuición —una máquina que se autoajusta— fue una de las primeras semillas del aprendizaje artificial.
